Análisis de Regresión Lineal

El Método de Mínimos Cuadrados o Regresión Lineal se utiliza tanto para

pronósticos de series de tiempo como para pronósticos de relaciones causales. En
particular cuando la variable dependiente cambia como resultado del tiempo se trata
de un análisis de serie temporal.
En el siguiente ejemplo se desarrollará un Pronóstico de Demanda haciendo uso de la
información histórica de venta de un producto determinado durante los últimos 12
trimestres (3 años) cuyos datos se observan en la siguiente tabla resumen:

La ecuación de mínimos cuadrados para la regresión lineal es la que se muestra a

continuación donde β0 y β1 son los parámetros de intercepto y pendiente,
respectivamente:

Estimar los valores de dichos parámetros es sencillo haciendo uso de una

planilla Excel tal como muestra la tabla a continuación:

1
 Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores
de β0 y β1:

Una vez obtenido los parámetros de la regresión lineal se puede desarrollar un pronóstico
de demanda (columna color naranja) evaluando en la ecuación de la regresión para los
distintos valores de la variable independiente (x).
Por ejemplo, para el primer trimestre el pronóstico
es: Y(1)=441,71+359,61*1=801,3.

Observación: los valores de los pronósticos han sido redondeados arbitrariamente a

un decimal para mayor comodidad.

Notar que con la información que hemos obtenido podemos calcular el MAD y la Señal
de Rastreo y utilizar estos indicadores para validar la conveniencia de utilizar este
procedimiento como dispositivo de pronóstico.

Siguiendo con nuestro análisis a continuación podemos desarrollar un pronóstico de

demanda para los próximos 4 trimestres (un año) que corresponden a los trimestres
13, 14, 15 y 16:

 Y(13)=441,71+359,61*13=5.116,64
 Y(14)=441,71+359,61*14=5.476,25
 Y(15)=441,71+359,61*15=5.835,86
 Y(16)=441,71+359,61*16=6.195,47
Si bien el procedimiento anterior es válido puede ser resumido haciendo uso de
las herramientas de análisis de datos de Excel o simplemente realizando un ajuste
de una regresión lineal en un gráfico de dispersión de la misma forma que

2
abordamos en el articulo sobre el Método de Descomposición. Para ello luego de
realizar el gráfico nos posicionamos en una de las observaciones y luego botón derecho
del mouse para seleccionar “Agregar línea de tendencia…”.

Luego en la interfaz de Excel activamos las opciones “Presentar ecuación en el

gráfico” y “Presentar el valor R cuadrado en el gráfico” (este último indicador
según se aborda en los cursos de estadística consiste en una medida de la bondad de
ajuste de la regresión).
Notar que los valores obtenidos para los parámetros de la regresión son similares salvo
menores diferencias por efecto de aproximación.

Otra opción disponible para ajustar una Regresión Lineal haciendo uso de Exceles a
través del Complemento llamado Herramientas para análisis.
Su activación es simple: en el menú Archivo (esquina superior izquierda en Excel) ir
a Opciones, luego Complementos, a continuación, a la derecha de donde
dice Complementos de Excel presionar Ir… y luego activar la Herramientas para
análisis.

3
Su activación es simple: en el menú Archivo (esquina superior izquierda en Excel) ir
a Opciones, luego Complementos, a continuación, a la derecha de donde
dice Complementos de Excel presionar Ir… y luego activar la Herramientas para
análisis.
Una vez activada las Herramientas para análisis, se puede encontrar ésta abajo del
complemento Solver en el menú de Datos.

Luego de las opciones disponibles que nos ofrece este complemento

seleccionamos Regresión.

A continuación seleccionamos el Rango Y de entrada las celdas correspondientes a

la variable dependiente (Ventas) y en Rango X de entrada las celdas
correspondientes a la variable independiente (Trimestre).

4
Debemos activar adicionalmente la casilla Residuos si deseamos obtener un pronóstico
para las ventas del Trimestre 1 al Trimestre 12 (junto al cálculo del error o
residuo de la estimación).

Finalmente presionamos Aceptar lo que generará una nueva hoja en nuestra planilla de
cálculo.
Un extracto de los resultados es el que se presenta a continuación, donde en color
celeste se destaca los coeficientes asociados a los parámetros de la regresión
lineal β0 y β1, respectivamente, y en color naranjo el pronóstico obtenido para cada
uno de los doce trimestres al utilizar la ecuación de la regresión.
Por ejemplo: Y(1)=441,67+359,61*1=801,28. El residuo o error correspondiente
para dicho período (Trimestre 1) es: .